黃荷鳳院士：AI不會取代醫(yī)生，但它將徹底改變醫(yī)生的角色

導(dǎo)語

“未來的醫(yī)學(xué)，屬于懂人工智能的人，更屬于能把人工智能置于正確位置的人。”

“AI只是提供線索。它可以提出‘可能’，卻不能代替我們做出‘判斷’；它可以生成假說，卻無法承擔(dān)驗(yàn)證的責(zé)任?！?/p>

“我們可以依靠人工智能模型，但更要相信嚴(yán)謹(jǐn)?shù)膶?shí)驗(yàn)和對生命的敬畏。”

“人類醫(yī)學(xué)的進(jìn)步，從來都是從空白處落筆。”

“你們必須清醒認(rèn)識它的邊界，更要保有作為人類醫(yī)者的主動性、判斷力與道德?lián)?dāng)?！?/p>

“未來的醫(yī)學(xué)，屬于懂人工智能的人，更屬于能把人工智能置于正確位置的人。”

黃荷鳳

中國科學(xué)院院士、浙江大學(xué)醫(yī)藥學(xué)部主任

親愛的2026屆全體畢業(yè)生同學(xué)們：

首先，我謹(jǐn)代表浙江大學(xué)醫(yī)學(xué)院全體師生，向你們完成學(xué)業(yè)圓滿畢業(yè)表示祝賀！向多年來辛勤培育你們的老師，始終默默支持你們成長的家人，致以誠摯的感謝！

今天，我想從一個(gè)孩子的故事說起。這是一個(gè)真實(shí)發(fā)生在我們臨床一線的罕見病診療案例，它看似孤獨(dú)，卻折射出這個(gè)時(shí)代醫(yī)學(xué)的本質(zhì)之問：當(dāng)人工智能全面融入醫(yī)療全鏈條，我們該如何做一名真正有力量的醫(yī)生？又該如何成為一名敢于探索未知、推動醫(yī)學(xué)進(jìn)步的創(chuàng)新醫(yī)者？

幾年前，我們接診了一位特殊的患兒。她患有嚴(yán)重的全面性發(fā)育遲緩、肌張力低下、聽力缺損、胼胝體發(fā)育不全、腦室擴(kuò)張、巨腦回畸形，同時(shí)合并先天性心臟病和特殊面容。憑借臨床經(jīng)驗(yàn)，我們推測這可能是hnRNPK基因新發(fā)突變導(dǎo)致的Au-Kline綜合征，這是一種多系統(tǒng)損害的顯性遺傳罕見病。

但真相是否如此？帶著這個(gè)問題，我們回歸床旁，細(xì)致梳理病史和家族史，更令人心痛的是，這個(gè)家庭此前已失去過一個(gè)癥狀相同的孩子?？紤]存在遺傳疾病可能性，所以我們進(jìn)行了家系基因測序，然而第一輪分析結(jié)果顯示，所有已知的致病基因庫中均未找到能解釋她病情的線索，仿佛在黑暗中走進(jìn)了一條死胡同。

這是罕見病研究中最常見的困境，也是最具挑戰(zhàn)性的起點(diǎn)。數(shù)據(jù)庫里沒有答案，文獻(xiàn)中沒有先例。醫(yī)學(xué)上類似的疑難雜癥或許都會止步于此。但醫(yī)學(xué)的突破口，往往就誕生于這片“無人區(qū)”。

我們沒有停下腳步，而是對原始測序數(shù)據(jù)進(jìn)行重分析，最終在患兒中鑒定出從未被報(bào)道過的RBM42基因的兩個(gè)復(fù)合雜合變異，一個(gè)來自母親，一個(gè)來自父親，各自攜帶“錯位”的指令。仔細(xì)分析發(fā)現(xiàn)，RBM42基因與Au-Kline綜合征致病基因hnRNPK蛋白存在物理連接，這為我們指明了方向。

然而，前方仍是迷霧：即便是罕見病領(lǐng)域最強(qiáng)大的匹配平臺GeneMatcher，也未檢索到任何相似病例。

這時(shí)，人工智能發(fā)揮了極大的作用。利用深度神經(jīng)網(wǎng)絡(luò)（DNN）從海量基因組數(shù)據(jù)中自動學(xué)習(xí)特征，實(shí)現(xiàn)有害變異預(yù)測。借助AI結(jié)構(gòu)預(yù)測工具AlphaFold，我們模擬了RBM42變異蛋白的立體結(jié)構(gòu)，發(fā)現(xiàn)其中一個(gè)突變?nèi)缤€匙插錯了鎖孔，導(dǎo)致整個(gè)“蛋白質(zhì)工廠”運(yùn)轉(zhuǎn)失常；另一個(gè)變異則更為嚴(yán)重，直接讓蛋白生產(chǎn)線停工。

進(jìn)一步，我們使用AI驅(qū)動的新一代變異預(yù)測工具AlphaMissense和PrimateAI對錯義變異進(jìn)行致病性評估。結(jié)合AlphaFold的蛋白質(zhì)結(jié)構(gòu)框架和大規(guī)模人群數(shù)據(jù)庫gnomAD微調(diào)訓(xùn)練，給出了高達(dá)99.89%的致病概率。

接下來，還需整合多維生物信息學(xué)證據(jù)進(jìn)行交叉驗(yàn)證，SpliceAI、DeepSplice等深度學(xué)習(xí)模型評估了變異對剪接位點(diǎn)的潛在影響；跨物種比對揭示了變異蛋白位點(diǎn)從真菌到人類高度保守；gnomAD數(shù)據(jù)庫確認(rèn)了這兩個(gè)變異在普通人群中均為零頻率。所有線索均指向同一方向，相當(dāng)于借助人工智能幫我們快速圈定了“嫌疑人”。

過去，我們依賴保守性分析、位置權(quán)重矩陣、固定剪接信號等人為設(shè)定的規(guī)則，預(yù)測能力極其有限，尤其對新型變異束手無策。而今天的AI能自動從海量基因組數(shù)據(jù)中學(xué)習(xí)復(fù)雜模式，實(shí)現(xiàn)快速、高精度的預(yù)測。但這些AI工具本身并沒有替我們完成發(fā)現(xiàn)。

請永遠(yuǎn)記住：AI只是提供線索。它可以提出“可能”，卻不能代替我們做出“判斷”；它可以生成假說，卻無法承擔(dān)驗(yàn)證的責(zé)任。

真正的定案需要實(shí)驗(yàn)室里的“鐵證”，我們可以依靠人工智能模型，但更要相信嚴(yán)謹(jǐn)?shù)膶?shí)驗(yàn)和對生命的敬畏。我們沒有停留在生物信息學(xué)預(yù)測層面，而是推開實(shí)驗(yàn)室大門，開啟了一場漫長而嚴(yán)謹(jǐn)?shù)摹皾駥?shí)驗(yàn)”求證之旅。細(xì)胞實(shí)驗(yàn)、免疫共沉淀、真菌互補(bǔ)實(shí)驗(yàn)、動物模型、轉(zhuǎn)錄組測序，多維度、獨(dú)立來源的證據(jù)匯聚成了閉環(huán)，最終證實(shí)：RBM42復(fù)合雜合雙基因變異，是一種全新的綜合征性神經(jīng)發(fā)育障礙的致病原因。

基于這一明確的遺傳診斷，我們?yōu)檫@個(gè)家庭提供了精準(zhǔn)的再發(fā)風(fēng)險(xiǎn)評估和遺傳咨詢，并協(xié)助他們通過胚胎植入前遺傳學(xué)檢測（PGT），成功孕育并分娩了一名健康的寶寶。當(dāng)我第一次看到那個(gè)健康嬰兒的照片時(shí)，我深知：我們所做的，不僅填補(bǔ)了基因圖譜的空白，而且拯救一個(gè)瀕臨絕望的家庭，更是改變了全世界類似患者獲得診治的機(jī)會。

同學(xué)們，我為什么要講這個(gè)故事？

因?yàn)槟銈兗磳⒉饺氲臅r(shí)代，是一個(gè)被算法、數(shù)據(jù)和人工智能洪流裹挾的時(shí)代。很多同學(xué)心中難免困惑：多年苦讀醫(yī)學(xué)，面對行業(yè)規(guī)則、診療模式的快速迭代，職業(yè)發(fā)展路徑充滿迷茫，我們該怎么看病、怎么真正幫到患者、怎么開展醫(yī)學(xué)創(chuàng)新？我今天想鄭重告訴你們：AI不會取代醫(yī)生，但它將徹底改變醫(yī)生的角色。

未來的醫(yī)學(xué)，不再是單純的經(jīng)驗(yàn)積累或知識搬運(yùn)，而是“碳基智慧”與“硅基智慧”的共舞。AI將成為像顯微鏡、測序儀一樣的基本工具，成為醫(yī)學(xué)研究與臨床實(shí)踐的基礎(chǔ)設(shè)施。你們必須學(xué)會駕馭它，否則將難以立足；但更重要的是，你們必須清醒認(rèn)識它的邊界，更要保有作為人類醫(yī)者的主動性、判斷力與道德?lián)?dāng)。

因此，在你們啟程之際，作為師長，我想送給大家三句叮囑，也是一份期許：第一，主動擁抱AI，但永遠(yuǎn)不要把判斷力交給AI。

讓它成為你的“導(dǎo)航儀”，幫你快速檢索文獻(xiàn)、解析結(jié)構(gòu)、篩選變異；但你要始終做那個(gè)“掌舵的船長”，用臨床直覺、批判性思維和倫理考量決定最終的航向。

你可以用AI發(fā)現(xiàn)線索，但必須用自己的眼睛觀察患者的表情，用自己的耳朵傾聽他們的訴說，用自己的心感受他們的不安與期盼。人工智能是臂膀，不是大腦；算法是參考，不做醫(yī)學(xué)定論。

作為浙大醫(yī)學(xué)人，真正要掌握的核心競爭力，是將AI的效率優(yōu)勢與人類的認(rèn)知、情感、創(chuàng)造力相結(jié)合。共情溝通、臨床直覺、生命關(guān)懷、有溫度的決策，這些獨(dú)屬于你們的競爭力，才是你們走出校門的底氣。

第二，善用數(shù)據(jù)庫，但永遠(yuǎn)不要被“空白”嚇退。當(dāng)系統(tǒng)提示“無相關(guān)病例報(bào)道”“未見致病性證據(jù)”時(shí)，請記得：人類醫(yī)學(xué)的進(jìn)步，從來都是從空白處落筆。真正的創(chuàng)新醫(yī)者，是在無人走的路上，為患者多走一步的人。

數(shù)據(jù)庫承載的是過去的共識，而你要創(chuàng)造的是未來的知識。真正的科學(xué)創(chuàng)新，需要人類去提出值得追問的問題，去識別數(shù)據(jù)背后真實(shí)的案例，去證實(shí)或者證偽自己的科學(xué)假說。要敢于在陰性結(jié)果面前調(diào)整方向，在不確定中保持誠實(shí)與清醒，在一次次失敗后仍愿意重新設(shè)計(jì)實(shí)驗(yàn)、重新思考機(jī)制。

正如我們在病例中經(jīng)歷的：沒有現(xiàn)成答案，就自己去找；沒有動物模型，就親手建立；沒有同類病例，就用功能實(shí)驗(yàn)說話。醫(yī)學(xué)的進(jìn)步，靠求真求實(shí)；醫(yī)學(xué)的尊嚴(yán)，靠仁心仁術(shù)。

第三，追逐醫(yī)學(xué)創(chuàng)新，但更要敬畏生命本身。一個(gè)孩子不是一組編碼，一個(gè)家庭不是一份測序報(bào)告，一種疾病也不僅僅是一篇論文的標(biāo)題。

理解疾病表型，需要從紛繁癥狀中提煉核心；驗(yàn)證基因功能，需要親手設(shè)計(jì)并執(zhí)行實(shí)驗(yàn)；權(quán)衡致病證據(jù)，需要在矛盾信息中做出判斷；與患者共情溝通，需要在不確定性中傳遞希望；考量倫理問題，需要評估醫(yī)學(xué)建議可能帶來的個(gè)人和社會風(fēng)險(xiǎn)；承擔(dān)醫(yī)療責(zé)任，需要為每一個(gè)結(jié)論署名、負(fù)責(zé)。這一切，都無法由AI完成，AI沒有姓名，也沒有肩膀去承擔(dān)重量。

同學(xué)們，你們生逢其時(shí)，也重任在肩。你們是第一代完整接受AI賦能教育的醫(yī)學(xué)生，也是最有潛力成為“創(chuàng)新型醫(yī)師”的一代。愿你們走出浙江大學(xué)求是園后，善用智能科技，不失醫(yī)者仁心；直面世事變數(shù)，不失從醫(yī)初心；敢于試錯調(diào)整，不失前行耐心。勇敢地做填補(bǔ)醫(yī)學(xué)空白、攻克人類頑疾、惠及全球健康的醫(yī)者。借人工智能之精準(zhǔn)，固臨床決策之主見。

未來的醫(yī)學(xué)，屬于懂人工智能的人，更屬于能把人工智能置于正確位置的人。讓AI做我們的探路先鋒和得力助手，而讓人類繼續(xù)做提出問題的人、辨認(rèn)真相的人、守護(hù)患者的人。

祝賀你們，畢業(yè)快樂！前程萬里！去創(chuàng)造屬于你們這一代醫(yī)者的奇跡吧！

謝謝大家！

來 源 / 浙江大學(xué)醫(yī)學(xué)院

平臺調(diào)整了推送規(guī)則

并點(diǎn)擊文末 “在看” 與 “點(diǎn)贊”

2026“閱焚 B 卷”重磅上線，助力衛(wèi)生高級職稱考前沖刺！依托歷年考情大數(shù)據(jù)編撰，3 套獨(dú)家押題卷配全解，全真模擬考場。精準(zhǔn)鎖定考點(diǎn)短板，短時(shí)高效提分，抓緊入手刷題！

*此處為課程推廣廣告

點(diǎn)擊上方卡片了解詳情